論文の概要: Great Power Brings Great Responsibility: Personalizing Conversational AI for Diverse Problem-Solvers

• arxiv url: http://arxiv.org/abs/2502.07763v1
• Date: Tue, 11 Feb 2025 18:46:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-12 14:09:01.418790
• Title: Great Power Brings Great Responsibility: Personalizing Conversational AI for Diverse Problem-Solvers
• Title（参考訳）: さまざまな問題解決のための対話型AIをパーソナライズするGreat Power
• Authors: Italo Santos, Katia Romero Felizardo, Igor Steinmacher, Marco A. Gerosa,
• Abstract要約: 大きな言語モデル(LLM)は、質問に答えたりガイダンスを提供するための潜在的なリソースとして現れています。 LLMは情報提示におけるバイアスを持ち、特に問題解決スタイルが広く表現されない新参者にとって影響が大きい。 このビジョンペーパーは、特定のサブグループの特権化を避けるために、さまざまな問題解決スタイルにAI応答を適用する可能性について概説する。
• 参考スコア（独自算出の注目度）: 10.472707414720341
• License:
• Abstract: Newcomers onboarding to Open Source Software (OSS) projects face many challenges. Large Language Models (LLMs), like ChatGPT, have emerged as potential resources for answering questions and providing guidance, with many developers now turning to ChatGPT over traditional Q&A sites like Stack Overflow. Nonetheless, LLMs may carry biases in presenting information, which can be especially impactful for newcomers whose problem-solving styles may not be broadly represented. This raises important questions about the accessibility of AI-driven support for newcomers to OSS projects. This vision paper outlines the potential of adapting AI responses to various problem-solving styles to avoid privileging a particular subgroup. We discuss the potential of AI persona-based prompt engineering as a strategy for interacting with AI. This study invites further research to refine AI-based tools to better support contributions to OSS projects.
• Abstract（参考訳）: オープンソースソフトウェア(OSS)プロジェクトに参加する新参者は、多くの課題に直面しています。 ChatGPTのような大規模言語モデル(LLM)は、質問への回答やガイダンスを提供する潜在的なリソースとして現れ、多くの開発者がStack Overflowのような従来のQ&AサイトよりもChatGPTに目を向けている。 にもかかわらず、LLMは情報提示におけるバイアスを持ち、特に問題解決スタイルが広く表現されない新参者にとって影響が大きい。 これにより、OSSプロジェクトへの新参者に対するAI駆動サポートのアクセシビリティに関する重要な疑問が提起される。 このビジョンペーパーは、特定のサブグループの特権化を避けるために、さまざまな問題解決スタイルにAI応答を適用する可能性について概説する。 我々は、AIと対話するための戦略として、AIペルソナベースのプロンプトエンジニアリングの可能性について議論する。 この研究は、OSSプロジェクトへのコントリビューションをより支援するために、AIベースのツールを洗練するためのさらなる研究を招待する。

関連論文リスト

• Fundamental Risks in the Current Deployment of General-Purpose AI Models: What Have We (Not) Learnt From Cybersecurity? [60.629883024152576]
  大規模言語モデル(LLM)は、幅広いユースケースで急速にデプロイされている。 OpenAIs Alteraは、自律性の向上、データアクセス、実行機能の一例に過ぎない。 これらの方法には、さまざまなサイバーセキュリティ上の課題が伴う。
  論文  参考訳（メタデータ） (2024-12-19T14:44:41Z)
• Developer Challenges on Large Language Models: A Study of Stack Overflow and OpenAI Developer Forum Posts [2.704899832646869]
  大規模言語モデル(LLM)は、様々なドメインにまたがる例外的な機能のために広く普及している。 本研究は,Stack OverflowとOpenAI Developer Forum上でのコミュニティインタラクションを分析することによって,開発者の課題を調査する。
  論文  参考訳（メタデータ） (2024-11-16T19:38:27Z)
• XAI for All: Can Large Language Models Simplify Explainable AI? [0.0699049312989311]
  x-[plAIn]"は、カスタムのLarge Language Modelを通じて、XAIをより広く利用できるようにする新しいアプローチである。 我々の目標は、様々なXAI手法の明確で簡潔な要約を生成できるモデルを設計することであった。 使用事例調査の結果から,本モデルは理解し易く,観衆特有の説明を提供するのに有効であることが示された。
  論文  参考訳（メタデータ） (2024-01-23T21:47:12Z)
• AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities and Challenges [60.56413461109281]
  IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。 我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。 主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
  論文  参考訳（メタデータ） (2023-04-10T15:38:12Z)
• OpenAGI: When LLM Meets Domain Experts [51.86179657467822]
  ヒューマン・インテリジェンス(HI)は、複雑なタスクを解くための基本的なスキルの組み合わせに長けている。 この機能は人工知能(AI)にとって不可欠であり、包括的なAIエージェントに組み込まれるべきである。 マルチステップで現実的なタスクを解決するために設計されたオープンソースのプラットフォームであるOpenAGIを紹介します。
  論文  参考訳（メタデータ） (2023-04-10T03:55:35Z)
• HuggingGPT: Solving AI Tasks with ChatGPT and its Friends in Hugging Face [85.25054021362232]
  大規模言語モデル(LLM)は、言語理解、生成、相互作用、推論において例外的な能力を示した。 LLMは、複雑なAIタスクを解決するために既存のAIモデルを管理するコントローラとして機能する可能性がある。 本稿では,機械学習コミュニティのさまざまなAIモデルを接続するLLMエージェントであるHuggingGPTを紹介する。
  論文  参考訳（メタデータ） (2023-03-30T17:48:28Z)
• Seamful XAI: Operationalizing Seamful Design in Explainable AI [59.89011292395202]
  AIシステムのミスは必然的であり、技術的制限と社会技術的ギャップの両方から生じる。 本稿では, 社会工学的・インフラ的ミスマッチを明らかにすることにより, シームレスな設計がAIの説明可能性を高めることを提案する。 43人のAI実践者と実際のエンドユーザでこのプロセスを探求します。
  論文  参考訳（メタデータ） (2022-11-12T21:54:05Z)
• Demanding and Designing Aligned Cognitive Architectures [0.0]
  AIシステムがより強力で広く普及するにつれ、より広い目標と人類のニーズに合わせた行動を維持することについての議論が高まっている。 この多分野・多分野の議論は、多くの問題を解決する必要がある。 第一の課題は、AIシステムのデザイナに対して、ステークホルダーが何のために役に立つかを明確化することだ。 第2の課題は、有用な知能を報酬のみとして扱う分析的フレーミングを超えていくことだ。
  論文  参考訳（メタデータ） (2021-12-19T16:49:28Z)
• Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
  近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。 倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。 このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
  論文  参考訳（メタデータ） (2021-06-25T22:31:55Z)
• Bias in Data-driven AI Systems -- An Introductory Survey [37.34717604783343]
  この調査は、(大きな)データと強力な機械学習(ML)アルゴリズムによって、AIの大部分は、データ駆動型AIに重点を置いている。 さもなければ、一般的な用語バイアスを使ってデータの収集や処理に関連する問題を説明します。
  論文  参考訳（メタデータ） (2020-01-14T09:39:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。